Documente Academic
Documente Profesional
Documente Cultură
1
2 Cursul 6, Algebră liniară °
c E. Petrişor, noiembrie 2007
S ⊥ = {v ∈ Vn | v · s = 0, ∀ s ∈ S}
Propoziţia 6.1.3 Intersecţia dintre un subspaţiu vectorial S şi complementul său ortogonal,
S ⊥ este vectorul nul din Vn , S ∩ S ⊥ = {θ}.
Se poate demomstra că dacă S este un subspaţiu vectorial al spaţiului euclidian Vn şi S ⊥ este
complemetul ortogonal al lui S atunci au loc următoarele proprietăţi:
1. Orice vector v ∈ Vn se exprimă ı̂n mod unic ca suma unui vector din S cu un vector din
S ⊥ : v = s + s0 , unde s ∈ S şi s0 ∈ S ⊥ ;
2. Dimensiunea dim(S ⊥ ) = n − dim(S);
3. Dacă B este o bază ı̂n S şi B 0 o bază ı̂n S ⊥ , atunci B ∪ B 0 este o bază ı̂n Vn . În particular,
dacă bazele B, B 0 sunt ortonormate, atunci şi baza B ∪ B 0 este o bază ortonormată.
BS = (u1 , u2 , . . . , um )
este o bază ı̂n S, atunci complementul său ortogonal, S ⊥ , coincide cu mulţimea vectorilor din
Vn ce sunt ortogonali pe vectorii bazei BS .
Demonstraţie: Notăm cu U mulţimea vectorilor din V ce sunt ortogonali pe fiecare vector din
baza BS :
U = {v ∈ Vn | v · ui = 0, ∀ i = 1, m}
Să arătăm că U = S ⊥ prin incluziune dublă:
Cursul 6, Algebră liniară °
c E. Petrişor, noiembrie 2007 3
s = α1 u1 + · · · + αm um
Deci o bază ı̂n subspaţiul S este BS = (u1 , u2 ). Prin urmare complementul ortogonal al
subspaţiului S este:
S ⊥ = {v = (x1 , x2 , x3 , x4 )T ∈ R4 | v · u1 = 0, v · u2 = 0}
v · u1 = 0 3x1 + 5x3 − x4 = 0
⇔
v · u2 = 0 3x2 − 16x3 + 5x4 = 0
Observaţie. Din Propoziţia 6.1.4 şi acest exemplu, rezultă că dacă BS = (u1 , u2 , . . . , um ) este
o bază ı̂n subspaţiul vectorial S ⊂ Rn sau S ⊂ Zn2 , atunci ecuaţiile complementului ortogonal,
S ⊥ sunt:
v · u1 = 0
v · u2 = 0
..
.
v · um = 0
Rezultă astfel:
0 0
Efectuăm transformările elementare pe linii:
• −2L1 + 3L2 + L3 → L3
• L1 − 5L2 + L4 → L4 şi obţinem:
1 0
0 1
A0 =
−2
3
1 −5
6 Cursul 6, Algebră liniară °
c E. Petrişor, noiembrie 2007
Interpretând coloanele matricii E ca fiind baza (u1 , u2 ) ı̂n spaţiul soluţiilor unui sistem liniar şi
omogen Hx = θ (adică baza ı̂n S=Null(H)) ne propunem să determinăm matricea H.
Conform celor deduse mai sus sistemul liniar şi omogen E T x = θ reprezintă ecuaţiile
subspaţiului W = S ⊥ . Astfel pentru a afla ecuaţiile subspaţiului W ⊥ =S=Null(H) determinăm
o bază ı̂n Null(E T ). Sistemul E T x = θ este:
· ¸ x 1 · ¸
5 −10 −2 1
x2 = 0
−6 13 3 −5 x3 0
x4
Luând drept necunoscute principale pe x3 , x4 obţinem baza din Null(E T ), (w1 , w2 ). Deci sis-
temul liniar şi omogen [w1 |w2 ]T x = θ este de fapt sistemul Hx = θ, adică H = [w1 |w2 ]T .
v v−s
s S
v v
w
w
prw (v) = aw
Cazul 1. Proiecţia ortogonală a unui vector v pe un vector nenul w este proiecţia ortogonală
a vectorului v pe subspaţiul 1D generat de vectorul w 6= 0: S = {s ∈ V | s = αw, α ∈ R}.
Conform definiţiei proiecţia lui v pe S este vectorul s = aw, a ∈ R, astfel ı̂ncât (v−aw)·w = 0,
adică v · w − a(w · w) = 0 şi deci
v·w v·w
a= , iar s := prw (v) = w
w·w w·w
e2
v
pre2 (v)
e1 pre (v)
1
Fig.6.3: Proiecţia ortogonală a vectorului v pe vectorii bazei ortonormate B = (e1 , e2 ). v = pre1 (v) +
pre2 (v).
Deci vectorul o2 = v2 − (v2 · q1 )q1 este ortogonal pe q1 . Mai mult observăm că (v2 · q1 )q1 =
prq1 (v2 ).
Notând versorul lui o2 cu q2 :
v2 − (v2 · q1 )q1
q2 ←
kv2 − (v2 · q1 )q1 k
avem construit sistemul ortonormat O2 = (q1 , q2 ).
Etapa k: Presupunem că am construit deja un sistem ortonormat Ok = (q1 , q2 , . . . , qk ),
3 ≤ k < n.
Etapa k+1: Definim vectorul ok+1 ca o combinaţie liniară a vectorului vk+1 din baza
iniţială şi a vectorilor din sistemul ortonormat Ok construit deja:
k
X
ok+1 = vk+1 − αi qi
i=1
Cursul 6, Algebră liniară °
c E. Petrişor, noiembrie 2007 9
şi determinăm scalarii αi impunând ca vectorul ok+1 să fie ortogonal simultan pe q1 , q2 , . . . , qk ,
adică:
ok+1. · q1 = 0
..
ok+1 · qi = 0
..
.
ok+1 · qk = 0
Dar ok+1 · qi = 0 este echivalent cu:
(vk+1 −(α1 q1 +· · · αi qi +· · ·+αk qk ))·qi = 0 ⇔ vk+1 ·qi −α1 (q1 ·qi )−· · ·−αi (qi ·qi )−· · · (qk ·qi ) = 0,
|{z} |{z} |{z}
+0 =1 =0
adică αi = vk+1 ·qi , i = 1, k şi deci vectorul simultan ortogonal pe vectorii din sistemul Ok
este:
Xk
ok+1 = vk+1 − (vk+1 ·qi )qi ,
|i=1 {z }
=pr<Ok > (vk+1 )
unde pr<Ok > (vk+1 ) reprezintă proiecţia ortogonală a vectorului vk+1 pe subspaţiul generat de
vectorii ortonormaţi, q1 , q2 , . . . , qk .
Notând versorul lui ok+1 cu qk+1 la fel avem:
P
vk+1 − ki=1 (vk+1 ·qi )
qk+1 ← P
kvk+1 − ki=1 (vk+1 ·qi )k
şi deci sistemul Ok+1 = (q1 , q2 , . . . , qk , qk+1 ) este un sistem ortonormal construit recursiv.
Observaţia 6.3.1 Procedura Gramm–Schmidt se poate aplica nu neapărat unei baze arbitrare
dintr-un spaţiu euclidian (Vn , R) ci şi unui sistem liniar independent (v1 , v2 , . . . , vm ), m < n
căruia i se asociază un sistem ortonormat Om = (q1 , q2 , . . . , qm ). Evident că subspaţiul liniar
S al lui Vn generat de vectorii (v1 , v2 , . . . , vm ) coincide cu subspaţiul liniar generat de sistemul
Om . Cu alte cuvinte (v1 , v2 , . . . , vm ) este o bază arbitrară ı̂n S, iar (q1 , q2 , . . . , qm ) este o bază
ortonormată ı̂n S.
Exemplul 5. În spaţiul euclidian (R3 , ·) se dă baza B = (v1 = (0, 1, 1)T , v2 = (1, 0, 1)T , v3 =
(1, 1, 0)T ). Aplicând procedura Gramm-Schmidt să se construiască o bază ortonormată ı̂n R3
pornind de la baza B.
Etapa 1: Luăm µ ¶T
v1 (0, 1, 1)T 1 1
q1 = = √ = 0, √ , √
kv1 k 2 2 2
Etapa 2:
o2 = v2 − (v2 ·q1 )q1
10 Cursul 6, Algebră liniară °
c E. Petrişor, noiembrie 2007
Calculăm: r
√ 1 2
v3 ·q1 = 1/ 2 şi v3 ·q2 =
2 3
Astfel
2
0 1
1
1
1 1r2 r2 1 3
√ − 2
o3 = 1 − √ 2 − =
2 1 2 3 3 21 3
0 √ 2
−
| {z
2
} | {z 2 } 3
q1 q2
√
ko3 k = 2 3/3 şi deci versorul q3 al lui o3 este:
1
1
q3 = √ 1
3 −1
S = {v = (x, y, z)T | − 3x + 5y + 2z = 0}
Notăm cu:
r1 = kv1 k
P
rk = kvk − k−1
i=1 (vk ·qi )qi k
v1 = r1 q1
Pk−1 (6.3)
vk = i=1 (vk ·qi )qi + rk qk , k = 1, n
adică am exprimat vectorii bazei iniţiale ı̂n funcţie de vectorii bazei ortonormate (q1 , q2 , . . . , qn ).
Notăm prin Q matricea ce are drept coloane vectorii q1 , q2 , . . . , qn , Q = [q1 |q2 | . . . |qn ] şi ex-
primăm mai detaliat vectorii v1 , v2 , . . . , vn ı̂n funcţie de q1 , q2 , . . . , qn , conform relaţiei (6.3) şi
tinând seama că ı̂n general produsul dintre o matrice Q = [q1 |q2 | . . . |qn ] şi o matrice coloană
este:
x1 x1
x2 x2
Q .. = [q1 |q2 | . . . |qn ] .. = x1 q1 + x2 q2 + · · · + xn qn
. .
xn xn
avem:
r1
0
0
v1 = r1 q1 = r1 q1 + 0q2 + 0q3 · · · + 0qn = Q
..
.
0
q1 · v2
r2
0
v2 = (v2 · q1 )q1 + r2 q2 + 0q3 + · · · + 0qn = Q
..
.
0
..
.
vn = (vn· q1 )q1 + (vn · q2 )q2 + (vn · q3 )q3 + · · · + (vn · qn−1 )qn−1 + rn qn =
q1 · vn
q2 · vn
q3 · vn
= Q ..
.
qn−1 · vn
rn
Cursul 6, Algebră liniară °
c E. Petrişor, noiembrie 2007 13
Matricea Q având drept coloane vectorii unei baze ortonormate este o matrice ortogonală.
În concluzie am arătat că orice matrice pătratică nesingulară A se poate descompune ca şi
produs al unei matrici ortogonale Q cu o matrice superior triunghiulară, pe care o notăm R.
Elementele de pe diagonala principală a matricii R sunt strict pozitive, fiind norme de vectori
dintr-un sistem de vectori ortogonali, deci vectori nenuli.
Descompunerea A = QR se numeşte descompunerea QR a matricii A.
Remarcăm că det(R) = r1 r2 . . . rn , iar det(Q) = ±1. Astfel determinantul matricii A este
det(A) = det(Q)det(R) = ±r1 r2 . . . rn sau echivalent |det(A)| = r1 r2 · · · rn .
Observăm că matricea A are drept coloane vectorii v1 , v2 , v3 din Exemplul 5. Prin urmare:
r1 q1 · v2 q1 · v3
A = [q1 |q2 |q3 ] 0 r2 q2 · v3
0 0 r3
Printre numeroase aplicaţii ale descompunerii QR a unei matrici nesingulare A este re-
zolvarea unui sistem Ax = b. Înlocuin A = QR sistemul devine QRx = b ⇔ Rx = QT b
(deoarece Q−1 = QT ). Sistemul Rx = c, unde c = QT b, având matrice superior triunghiulară
se rezolvă rapid prin metoda substituţiei inverse (vezi Cursul 1).